首先看一下部分原始数据,第一类代表图像编号,每张图像提取了10个特征,最后一列是图像的真实类别,本例是二分类问题,多分类算法同二分类。
另外,我用的是anaconda实现。
实际运行过程中可以提前将number列也就是图像编号列给删去,这里为了方便大家理解,就不删除啦~~
1.随机划分训练集与测试集
重要用到的就是train_test_split()函数对训练集和测试集进行随机划分。代码如下,注释比较清楚地写在了代码了,这里不再阐述。
import pandas as pd
import numpy as np
data=pd.read_csv('data.csv')
#y是图像的类别
y=np.array(data['actual'])
#x是图像的特征
x=data.drop('actual',axis=1)
x=np.array(x)
#该运行结果表明数据集中共收集了100张图像,每张图像收集了10个特征。
print(x.shape)
该部分代码运行结果:
from sklearn.model_selection import train_test_split
#随机划分训练集和测试集。
#test_size表明测试集占整体样本的比例;rand